你能听见我吗？长程图传播基准测试

有效捕捉长程相互作用仍是图神经网络（GNN）研究中尚未解决的根本性挑战，对于跨越多学科的科学应用至关重要。为系统性地解决此问题，我们引入了 ECHO（Evaluating Communication over long HOps，即长程通信评估）基准测试，旨在严格评估 GNNs 处理极端长程图传播能力。ECHO 包含三个人工图任务，即单源最短路径、节点离心数和图直径，每个任务均构建于多样且结构具有挑战性的拓扑结构上，这些拓扑结构故意设计用于引入显著的信息瓶颈。ECHO 还包含两个真实数据集，ECHO-Charge 和 ECHO-Energy，分别用于预测原子部分电荷和分子总能量，参考计算采用密度泛函理论（DFT）水平。这两个任务本质上依赖于捕捉复杂的长程分子相互作用。我们对流行的 GNN 架构进行了广泛基准测试，结果显示明显的性能差距，凸显了真正长程传播的难度，并突出了能够克服内在局限性的设计选择。因此，ECHO 为评估长程信息传播设立了新标准，也为 AI 在科学领域的应用提供了 compelling 的案例。